实用脚本能批量高Serverless吗？

本文目录导读：

1. 批量部署/更新函数
2. 批量修改配置（环境变量、超时时间、内存）
3. 批量调用/压测
4. 批量清理/删除资源
5. ⚠️ 善意提醒（安全与合规）

关于你的问题，我先明确一下：“批量搞” Serverless 通常指的是批量部署、批量配置、批量调用或批量迁移函数/API。

目前确实有一些非常实用的脚本工具和框架，可以帮你高效地批量操作 Serverless 资源，但需要提醒一句：批量操作往往是在短时间内产生大量请求，请务必注意云平台的 API 频率限制（Rate Limit）和配额（Quota），否则容易被限流或误封。

以下分场景介绍几种常用的批量脚本方案（以主流云厂商如 AWS Lambda、阿里云函数计算、腾讯云 SCF 为例）：

批量部署/更新函数

场景：你有几十个函数需要从本地代码部署到云端,或者修改了公共依赖后需要全部更新。

核心工具：

• Terraform / Pulumi (IaC): 声明式批量管理，支持批量部署、更新、销毁,这是最健壮的方式。
• AWS CLI + jq: 写一个 Shell 脚本循环遍历 functions.json 文件，调用 aws lambda update-function-code。
• Serverless Framework / SAM: 自带 sls deploy function -f <函数名> 支持逐个或批量（通过配置文件）。

示例脚本片段（基于 AWS CLI + Bash）：

#!/bin/bash
# 假设你有一个 functions.txt，每行一个函数名
while read -r func_name; do
  echo "Deploying $func_name..."
  aws lambda update-function-code \
    --function-name $func_name \
    --zip-file fileb://./function-bundle.zip \
    --region us-east-1
  # 注意：建议加一个 sleep 0.5 避免超频
  sleep 0.5
done < functions.txt

批量修改配置（环境变量、超时时间、内存）

场景：你想把一批函数的超时时间从 5 秒改成 10 秒,或者批量添加一个通用的环境变量。

核心工具：

• 云厂商 SDK（如 boto3 for AWS）：用 Python 脚本遍历资源列表，调用 update_function_configuration。
• CloudFormation StackSets / 资源编排：适合跨账号/跨地域批量修改。

Python 脚本示例（阿里云 FC）：

import json
import time
from aliyunsdkcore.client import AcsClient
from aliyunsdkfc.request.v20160815 import *
# 假设你有一个函数列表
funcs = ["func-a", "func-b", "func-c"]
client = AcsClient('ak', 'sk', 'cn-hangzhou')
for f in funcs:
    request = UpdateFunctionRequest.UpdateFunctionRequest()
    request.set_ServiceName("my-service")
    request.set_FunctionName(f)
    request.set_Timeout(30)  # 批量改为30秒
    request.set_MemorySize(1024)
    # 发送请求
    response = client.do_action_with_exception(request)
    print(f"Updated {f}")
    time.sleep(0.2)

批量调用/压测

场景：测试全部函数是否可用,或模拟高并发调用。

核心工具：

• parallel（GNU Parallel）：配合 curl 或 aws lambda invoke 快速并行触发。
• Locust / Artillery / hey：专门的压测脚本,可以模拟高并发。
• 云平台的 SDK 异步调用：通过消息队列（如 SQS、Kafka）批量触发,不会阻塞。

示例（批量函数调用 + 结果收集）：

# 同时调用 10 个函数，并保存返回结果
seq 1 10 | parallel -j10 'aws lambda invoke --function-name my-function --payload "{}" --cli-read-timeout 5 output-{}.json'

批量清理/删除资源

场景：测试环境膨胀，需要删除几百个过时的函数、日志组、触发器。

常用命令（以此类推到其他云厂商）：

# AWS: 删除所有名称包含 "test-" 的函数
aws lambda list-functions --query "Functions[?contains(FunctionName,'test-')].FunctionName" --output text | \
while read name; do
    aws lambda delete-function --function-name "$name"
    echo "Deleted $name"
    sleep 0.3
done

⚠️ 善意提醒（安全与合规）

1. 频率限制：云厂商有 API 限速（AWS 的 lambda.amazonaws.com 每秒最多 10-30 个写入请求），脚本里一定要加 sleep 或使用指数退避（Exponential Backoff）。
2. 幂等性：批量操作脚本最好设计成 可重复执行（比如更新函数：如果代码没变，不要报错）。
3. 回滚方案：建议批量修改前，先 导出当前配置（如 aws lambda get-function-configuration）,以便快速回滚。
4. 敏感信息：脚本中不要硬编码 AK/SK,建议使用环境变量或云平台角色授权。
5. 依赖冲突：如果函数间有共享的资源（如 VPC、层、角色）,批量修改前确认不会影响其他在线服务。

• 确实有成熟的脚本和工具可以批量操作 Serverless：Terraform（最工程化）、Shell + CLI（最轻量）、Python SDK（最灵活）。
• 关键不是“能不能”，而是“稳不稳”，建议先对 1-2 个测试函数运行脚本，再加 sleep 和重试逻辑。

如果你有具体的场景（比如批量改什么、用哪个云平台），可以告诉我,我可以帮你写一段更具体的脚本模板。